Ein klimasensitives, autoregressives Modell zur Beschreibung der Einzelbaum Mortalität
A time-discrete climate-sensitive survival model for tree mortalities resolved on single tree level
by Sebastian Schoneberg
Date of Examination:2017-08-18
Date of issue:2017-11-29
Advisor:Prof. Dr. Joachim Saborowski
Referee:Prof. Dr. Joachim Saborowski
Referee:Prof. Dr. Jürgen Nagel
Files in this item
Name:Schoneberg.pdf
Size:11.2Mb
Format:PDF
Abstract
English
Forestry encounters new challenges in the face of the climate change, that require adaption measures of current forest management practices. Some positive but mostly negative effects due to the climate change are anticipated for Central European forests. Forest owners can mitigate new risks in their long-term planning by selecting appropriate tree species and adapt their management practices. For successful and sustainable forest development and stand management it is crucial to understand factors that influence tree mortality. The aim of this dissertation is to model natural, risk influenced tree mortality events resolved on single tree level using time-varying covariates and simultaneously accounting for temporal and spatial autocorrelation that occurred due to unobserved covariates. After a general introduction (Chapter 1), the data are described in Chapter 2. The models are based on forest health data (WZE (Waldzustandserhebung)) from North Germany between 1984 and 2015. Natural mortality which is not induced by competition is recorded in this inventory. Tree species with similar growth and mortality behavior were combined to the tree species groups beech, oak, pine and spruce. As covariates climate, tree dimension, terrain relief and stand structure describing parameters are available. In Chapter 3 the regionalization of the wind direction for the WZE-plots and models of the tree dimensions for the WZE-recordings are conducted as a preparation step for the survival model. A parametric regression based approach and a non parametric k nearest neighbor approach were compared for regionalization of the wind direction. Finally, a semiparametric structured additive regression model based on the von Mises distribution is used. The tree dimensions are modeled using a non-linear hierarchical mixed effect model in order to account for the clustered longitudinal data structure of the tree diameter observations. The parameters are estimated by a Bayesian Markov-Chain-Monte-Carlo- Simulation. The tree height is modeled by a non-linear mixed effect model. Eventually, Chapter 4 introduces a time-discrete climate-sensitive survival model for tree mortalities resolved on single tree level. An approach is described that scales these results to the stand level. In this model time-varying covariates are also considered. The results suggest high failures in spruce stands in the future. About 60 % of the spruce stands in warmer regions could be transformed to stands with a beech dominated tree species structure in order to mitigate high failures in spruce stands due to the climate change.
Keywords: climate change; Time to event model; von mises distribution
German
Die Forstwirtschaft wird durch den Klimawandel vor neue Herausforderungen gestellt. Diese erfordern eine Anpassung von waldbaulichen Maßnahmen. Durch den Klimawandel werden einige positive, jedoch hauptsächlich negative Effekte für die Wälder Mitteleuropas antizipiert. Langfristig können Waldbesitzer durch die Baumartenwahl und mittelfristig durch die waldbauliche Behandlung auf eine Veränderung der Risikostruktur reagieren. Für eine erfolgreiche, nachhaltige Forstwirtschaft ist das Verständnis von Prozessen, die die Baummortalität beeinflussen, elementar. Das Ziel dieser Dissertation ist die Modellierung der natürlichen, risikobedingten Baummortalität aufgelöst auf Einzelbaumebene. Hierbei werden zeitveränderliche Kovariablen berücksichtigt. Zusätzlich soll die räumliche und die zeitliche Autokorrelationen berücksichtigt werden. Nach einer generellen Einleitung (Kapitel 1) werden in Kapitel 2 die Daten beschrieben. Die Datengrundlage für die Modelle bilden die Daten der Waldzustandserhebung (WZE) Norddeutschlands der Jahre 1984-2015. In dieser Inventur wird dokumentiert, ob an Bäumen natürliche Mortalität aufgetreten ist, wobei hierbei konkurrenzbedingte Mortalität nicht berücksichtigt wird, es wird also die natürliche, risikobedingte Baummortalität modelliert. Es werden Bäume, die ein ähnliches Wachstums- und Mortalitätsverhalten aufweisen, zu den Baumartengruppen Buchen, Eichen, Fichten und Kiefern zusammengefasst. Als Kovariablen stehen Parameter zur Verfügung, die das Klima, die Baumdimension, das Geländerelief sowie die Bestandesstruktur beschreiben. In Kapitel 3 wird die Regionalisierung der Windrichtung für die WZE-Probeflächen und die Modellierung der Baumdimension für die WZE-Beobachtungen als vorbereitender Schritt für die Überlebenszeitmodelle (Kapitel 4) vorgestellt. Ein parametrischer, regressionsbasierter Ansatz und ein nichtparametrischer k Nächste-Nachbarn-Klassifikation Ansatz werden zunächst verglichen, um die Windrichtung zu regionalisieren. Es wird schließlich ein auf der von Mises Verteilung basierendes semiparametisches strukturiertes additives Regressionsmodell verwendet. Der Baumdurchmesser wird durch ein nichtlineares hierarchisches gemischtes Modell beschrieben, um die geclusterte longitudinale Datenstruktur der Baumdurchmesser-Beobachtungen zu berücksichtigen. Die Parameter werden durch eine bayesianische Markov-Chain-Monte-Carlo-Simulation geschätzt. Die Baumhöhe wird durch ein nichtlineares gemischtes Modell modelliert. Schließlich wird in Kapitel 4 ein zeitdiskretes, klimasensitives, einzelbaumbasiertes Überlebenszeitmodell vorgestellt. Es wird ein Ansatz beschrieben, um einzelbaumbasierte Modellergebnisse auf Bestandesebene zu skalieren. In dem Modell werden zeitveränderliche Kovariablen berücksichtigt. Das Modell zeigt, dass insbesondere bei Fichtenbeständen in Zukunft mit hohen Ausfällen zu rechnen ist. Etwa 60 % der Fichtenbestände müssten in wärmeren Regionen in Buchen dominierte Bestände umgebaut werden, um die höheren forstlichen Risiken durch den Klimawandel auszugleichen.
Schlagwörter: Klimawandel; Ereigniszeitmodell; von Mises Verteilung